小团队用AI撑起万级日活产品杭州站分享实录

大家好，我是iMean AI算法负责人孔德涵。今天想和大家聊聊一个很实际的问题：一个十人左右的小团队，怎么借助AI工具，快速迭代出稳定支撑万级日活的产品？

这个标题，其实藏着两个关键信息：

• 我们做的不是简单的MVP验证，而是需要长期稳定运行的生产级产品；
• 团队规模很小，每个成员都必须是“超级个体”，而Cursor这类工具，正在极大扩展超级个体的能力边界。

01 关于我，以及初识Cursor

我的背景是理工科，但不是计算机专业出身。之前在高校实验室和大厂参与过一些AI项目研究。坦白说，并不喜欢写代码，但对研究和构建产品始终充满热情。

所以当Cursor这类工具出现时，毫不犹豫就上手了。实际体验下来发现，除了那些用自然语言描述成本更高的场景（比如一行代码就能搞定的事），其他时候真的做到了“一行代码都没写”，上手就非常无痛地进入了“vibe coding”的状态。

基于这个体验，也把它推荐给了公司的小伙伴们。几个月前开始，我们公司已经实现了全员使用Cursor开发。

02 我们在做什么？

先介绍一下团队背景。我们公司iMean AI的愿景是“让旅行更快乐”。这个目标包含两个方向：

• 一是“更简单”——提升旅行信息获取的效率和个性化，让用户放下手机、放下社交媒体，把更多时间留给真正的旅行体验；
• 二是“陪伴”——这也是我们选择“Coyage”这个名字的初衷。我们希望打造的不只是工具，更像是一位始终在身边的旅行搭子。

从解决当下旅行信息检索的痛点开始，我们正一步步迈向构建一个覆盖全流程的旅行体验平台。

03 AI如何改变团队协作？

在语言模型、Coding Agent和Agentic模式兴起之后，团队协作方式发生了显著变化。其中，算法工程师的角色转变最为明显。

一年前，算法同学主要负责各种算法逻辑的设计与实现。但自从Claude-4发布后，它在工具调用方面展现出极强的能力——许多过去需要算法工程师投入大量时间的逻辑，如今只需要几行代码就能完成。

所以现在的分工调整成了这样：

• 前端和后端工程师也能快速实现部分算法逻辑；
• 算法工程师则更多聚焦于评估模型能力的边界、优化成本和效果，更重要的是不断思考如何基于算法能力，定义基座模型覆盖不了的新体验。

我们也采访了公司内的几位同事，发现不同角色在使用AI工具时的侧重点各不相同：

• 算法开发输入输出明确清晰，所以算法同学更偏向使用全自动化的方式开发feature；
• 前后端同学则更偏向补全等辅助功能，更适配之前的编程习惯；
• 几乎所有同学都在高频使用Cursor来做debug和MVP的方案设计。

04 一个真实案例：2分钟完成复杂机票规划

下面分享一个实际算法场景的feature开发例子——我们的机票搜索规划功能。用户可能提出很复杂的机票规划query，比如：

“我想要在6月20日带着我9岁和11岁的孩子从温哥华飞往马德里。我将在7月20日独自返回温哥华，我的孩子们将在8月5日那周与我的父母从巴黎返回。我的父母将在2周后返回巴黎。请将每次行程的时长控制在最多18小时内。”

在传统OTA平台上，类似这种复杂的查询需求，要么无法实现，要么用户需要花1~2小时才能完成规划。我们的目标，是将这个过程的耗时缩短到2分钟以内。

整个开发流程大致是这样的：

使用Cursor离不开人的input，也就是需求的详细描述。给Cursor的Prompt可以分为几个层次：

• 直接描述目标，交由AI自主完成；
• 提供具体的服务细节描述与边界条件，并@相关代码文件和代码片段，圈定实现范围；
• 针对特定代码（比如某段函数），提供细粒度的逐步指导。

日常主要采用第二种方式，在当前Cursor agent的设计下，这种方式能很好地平衡效率和代码质量。

代码实现后，Cursor能够基于上下文规模化生成大量测试脚本——这对构建稳定的生产服务至关重要。最后是代码review、优化以及上线部署。整个流程在Cursor的辅助下变得更加高效、可控。

05 我们发现AI真的有些事做得比人好

在开发过程中，确实发现coding agent在某些环节已经比人类做得更好：

1. 信息处理带宽更大。agent能处理的信息带宽一定比人类更大，在面对海量数据时，可以更敏锐地发现数据之间的关系和错误。我们前段时间发现某个数据源的格式错误，Cursor自主发现了这个问题并在代码中保证了算法的稳定性，而团队成员在几天之后才发现AI帮我们兜了底。
2. 推理与计算效率更高。在规划算法策略或代码实现时，可以优先让AI完成整个逻辑分析，给出设计思路。
3. 数据视觉呈现已经足够惊艳。对于审美判断、创意构思、意图理解，甚至共情能力，AI目前还不如人类，但提升速度非常快。

06 深层思考：AI只是工具，更重要的是人

Cursor只是一个工具。AI的未来，会变成环境的一部分。不需要为AI过度狂欢，而是要回到人本身——人的需求是什么，然后根据需求来决定工具的使用方式。

我们自己正在逐渐转向一个“AI产品架构师”的角色。也就是不断修炼使用coding工具的MVP，开发过程不是纯线性的，需要架构思维的介入：

• 在开发过程中，需要不断迭代思路，切换构建模式和思考模式；
• 按不同角色开发分工协作（产品、前端、后端、架构、测试...）；
• 按阶段推进和review项目；
• 并定期审视效率和结果的平衡。

其中尤其关键的一点，是“Think vs Build”的平衡。

当构建成本无限降低时，需要决定什么时候去Build & Sale、收集用户反馈，什么时候该去Think。不要低估深度思考的力量，而被快速构建的甜头裹挟了多巴胺。更多时候，应该多去思考、接触信息、深入理解，然后再去构建。

少即是多

这是写系统prompt时的一个深刻体会。开发过multi-agent复杂业务流程的同学可能都有这样的体验——Prompt随着边界情况的增多越来越长，但效果却在逐渐变差，而且尾大不掉。在某个时间点，把之前所有的Prompt重新抽象和精简，效果反而可能会变得更好。

表达能力就是战斗力

抽象能力的重要性。在脑机接口出现之前，我们仍需要用文字与AI协作，因此抽象能力和表达能力变得非常重要。从现在开始学习写诗，可能是非常重要的一步。

07 对未来协作方式的想象

再本质一点，需要思考的是未来的人机协作中，人的定位是什么？

目前常见的协作方式是：人设定目标→拆解任务→使用工具→产生行动，基本上都是人主动触发的。

但未来可能出现的协作方式是：人只需要提出一个高层级的想法，一个目标——比如“我想认识一些在杭州、有灵性、审美一致的UI设计师”。然后Agent会将这种抽象想法转化为具体任务，在合适的时候提醒你：“我最近又帮你留意发现了这些人，要不要去聊聊？”

Agent具有更高的感知带宽、更强的推理能力，可以更高效地获取和处理信息、执行任务，没理由做决策比人差。但它没有人的审美，只需要在需要人确认的时候再找人确认。

08 技术之外，我思考更多的是人性

如果Agent足够强大，处理信息和做决策的能力都比人强，那么人应该去做什么？应该回到自己想做什么，更关注自己的感受和信号，以及不断培养自己的审美。

这两点加起来是领导力——这可能是Agent时代最重要的能力。

未来社会可能会有两种人：

• 一类是能够很好地领导AI完成工作的人，和以比AI更便宜的价格完成工作的人；
• 另一种分类方式是：能够很好地管理自己注意力、认清自己需求并构建的人，和注意力崩塌、只能消费内容的人。

对我们来说，重要的问题是：我们想成为哪种人？我们想为哪种人构建产品？这一定是要持续思考的问题。

09 现场Q&A环节

问题1：您提到AI在感知接收信息方面比人强，但旅行这种体验性的活动，看网上视频和实际体验是完全不同的。Agent如何获取信息帮助人做出实际的决策呢？

回答：这确实是一个核心问题。在旅行过程中，如何收集环境信息是关键。理想情况下，我们希望通过更好的设备去收集多维度信息，并与用户的个性化需求更好地结合。目前我们能获取的主要是在线信息，现场信息确实难以获取。但我们依旧可以基于用户的位置和长期偏好来推荐，比如旅行过程中的机票、酒店、餐厅、活动选择等，这里面能做的事情还有很多。

问题2：大型OTA公司也在做类似的AI功能，如何应对竞争？

回答：我们现在在做的是加速信息检索过程。在旅行领域，交易确实是大品牌的生命线，他们会投入最大精力把控这个环节，所以这部分作为我们这样的初创团队，只能靠技术和速度取胜。但随着技术的提升，旅行当中可以定义出大量碘伏性的新体验，这也是我们后续努力的方向。

问题3：机票等信息实时性要求很高，你们的数据是通过B端合作还是爬虫获取？

回答：这是一个很细致但很重要的问题。我们目前主要是与OTA合作获取数据。这涉及到行业知识壁垒和数据质量保证的问题。对于任何做产品的团队来说，确保自己行业知识库的稳定性和质量都是核心挑战。我们后续可能会在这方面有更多的技术投入。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：小团队用AI撑起万级日活产品杭州站分享实录要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题